PyTorch深度学习基础之Tensor的索引和切片讲解及实战（附源码简单易懂）

客官°小女子只卖身不卖艺 2023-09-30 17:03 96阅读 0赞

> **觉得有帮助请点赞关注收藏~~~**

Tensor支持基本的索引和切片操作，不仅如此，它还支持ndarray中的高级索引包括整数索引和布尔索引操作。

运行实例如下

![40f15a60f71c4ca8af7f2406256de21a.png][]

![d01ff805c6da40b382baf371a4a37831.png][]

测试代码如下 代码中给出了对应注释

索引和切片与numpy中的类似，值得一提的是torch.where(condition,x,y)是用于判断condition的条件是否满足，当某个元素满足时，则返回对应矩阵x相同位置的元素，否则返回矩阵y的元素，有点类似于三目运算符

import  torch
    import  numpy as np
    #基本索引
    a=torch.arange(9).view(3,3)
    print(a[2,2])
    #切片
    print(a[1:,:-1])
    #带步长的切片
    print(a[::2])
    #整数索引
    rows=[0,1]
    cols=[2,2]
    print(a[rows,cols])
    #布尔索引
    index=a>4
    print(index)
    print(a[index])
    #返回非零值的索引矩阵
    index=torch.nonzero(a>=8)
    print(index)
    a=torch.randint(0,2,(3,3))
    print(a)
    index=torch.nonzero(a)
    print(index)
    #where
    x=torch.randn(3,2)
    y=torch.ones(3,2)
    print(x)
    print(torch.where(x>0,x,y))

[40f15a60f71c4ca8af7f2406256de21a.png]: https://img-blog.csdnimg.cn/40f15a60f71c4ca8af7f2406256de21a.png
[d01ff805c6da40b382baf371a4a37831.png]: https://img-blog.csdnimg.cn/d01ff805c6da40b382baf371a4a37831.png